蜂窩網信息融合定位理論與方法（簡體書）

本書彙集了作者近年來在蜂窩網信息融合定位領域的研究成果，主要內容包括無線定位理論基礎、蜂窩網定位參數測量算法、NLOS誤差鑒別與抑制算法、蜂窩網信息融合定位理論與方法、基於數據域融合的直接定位方法、基於路徑追蹤的決策層信息融合定位方法等。重點研究了基於測量參數、地理信息、傳播路徑和原始數據域信息的蜂窩網融合定位方法，構建了蜂窩網信息融合定位模型，同時給出了算法仿真與分析。本書適合於高等院校通信、導航專業高年級本科生和研究生學習參考，也可供致力於移動通信與無線定位研究的高校教師、研究所或公司研究人員參考使用。

王建輝，博士（後），解放軍信息工程大學副教授，碩士生導師。主要研究方向為無線信號定位和移動通信。主持國家自然科學基金、河南省科技攻關項目、軍內科研，以及解放軍信息工程大學優秀青年基金共計7項，作為主要參與人完成國家863項目、武器裝備預研項目，以及型號研製類項目10余項。

上 篇

第1章 緒論 3
1.1 蜂窩網定位技術概述 3
1.1.1 無線定位技術的概念 3
1.1.2 蜂窩網定位技術的應用領域 4
1.1.3 蜂窩網定位技術的發展 5
1.1.4 蜂窩網定位系統的分類 7
1.2 信息融合技術概述 9
1.2.1 信息融合技術基礎 9
1.2.2 信息融合的體系結構和分類 10
1.2.3 信息融合技術的研究現狀 11
1.2.4 多源信息融合的優勢 12
1.2.5 多源信息融合存在的主要問題 13
1.3 蜂窩網信息融合定位技術的可行性分析 15
1.3.1 基於信息融合的定位技術研究現狀 15
1.3.2 蜂窩網信息融合定位技術的可行性和意義 15
參考文獻 17
第2章 無線定位理論基礎 18
2.1 無線定位常用方法 18
2.1.1 場強定位方法 18
2.1.2 基於到達時間測量的定位方法 19
2.1.3 基於到達時間差測量的定位方法 20
2.1.4 基於信號到達角的定位方法 21
2.1.5 基於指紋匹配的定位方法 22
2.2 傳統的定位參數測量方法 23
2.2.1 時延估計 23
2.2.2 角度估計 24
2.2.3 時延和到達角聯合估計 27
2.3 NLOS誤差鑒別與抑制方法 28
2.4 傳統的移動台位置解算算法 30
2.4.1 非迭代定位算法 31
2.4.2 迭代定位算法 36
2.5 定位性能指標 40
參考文獻 42
第3章 蜂窩網定位中的時延估計算法 47
3.1 超分辨時延估計算法 47
3.1.1 OFDM信號時延估計模型 47
3.1.2 子空間類時延估計算法 49
3.1.3 最大似然時延估計算法 53
3.2 基於蒙特卡羅直接抽樣的最大似然時延估計算法 58
3.2.1 信號模型 59
3.2.2 算法原理 60
3.2.3 克拉美羅下界 62
3.2.4 算法仿真與分析 63
3.3 基於重要性抽樣的最大似然時延估計算法 66
3.3.1 信號模型 66
3.3.2 算法原理 67
3.3.3 克拉美羅下界 71
3.3.4 算法仿真與分析 72
3.4 本章小結 76
參考文獻 76
第4章 蜂窩網定位中的時延和到達角聯合估計算法 78
4.1 基於求根MUSIC的時延和到達角聯合估計 78
4.1.1 時延和到達角聯合估計模型 79
4.1.2 算法原理 80
4.1.3 算法仿真與分析 83
4.2 基於Hadamard積擴展子空間的時延和到達角聯合估計 90
4.2.1 算法原理 91
4.2.2 克拉美羅下界 93
4.2.3 算法仿真與分析 96
4.3 本章小結 100
參考文獻 100
第5章 蜂窩網定位系統的NLOS誤差抑制算法 102
5.1 蜂窩網定位系統的誤差分析 102
5.2 典型的定位誤差鑒別與抑制算法分析 103
5.2.1 NLOS誤差鑒別算法 103
5.2.2 NLOS誤差抑制算法 105
5.3 基於信號斜度歸零準則的NLOS誤差抑制算法 107
5.3.1 NLOS誤差的信道模型 108
5.3.2 基於信號斜度歸零準則的NLOS誤差鑒別算法 108
5.3.3 基於數據斜度歸零準則的NLOS誤差抑制算法 110
5.3.4 算法仿真與分析 111
5.4 基於偏差Kalman濾波器和神經網絡的NLOS誤差抑制算法 114
5.4.1 偏差Kalman濾波器 114
5.4.2 Kalman濾波器對TOA進行無偏估計的算法推導 115
5.4.3 基於BP神經網絡的NLOS誤差環境模型係數估計 116
5.4.4 算法總體流程 118
5.4.5 算法仿真與分析 118
5.5 本章小結 122
參考文獻 122
第6章 蜂窩移動通信系統信息融合定位理論 124
6.1 引言 124
6.2 信息融合定位系統的總體設計方案 125
6.3 基於信息融合的蜂窩網定位系統結構 127
6.3.1 信息融合定位系統的功能結構 127
6.3.2 信息融合定位系統的層次結構 128
6.3.3 信息融合定位系統的整體框架 129
6.4 基於多源測量參數信息的數據層融合定位算法 130
6.4.1 經典無線位置估計算法 130
6.4.2 基於多目標優化理論的多源測量參數信息融合定位 132
6.5 多目標優化信息融合定位的求解方法 134
6.5.1 多目標優化理論的最優解 134
6.5.2 多目標優化問題的經典求解方法 135
6.5.3 基於遺傳算法的多目標進化算法 137
6.6 基於多目標優化的數據層信息融合定位方法 138
6.7 基於分布式結構的改進遺傳算法 141
6.7.1 改進遺傳算法的必要性 141
6.7.2 常見的變異改進型遺傳算法 142
6.7.3 分布式遺傳算法原理 143
6.7.4 分布式遺傳算法設計 144
6.8 基於分布式遺傳算法的測量參數數據層定位算法 145
6.8.1 目標種群設計 145
6.8.2 子種群設計 146
6.8.3 分布式遺傳算法的整體流程 148
6.8.4 算法仿真與分析 148
6.9 本章小結 153
參考文獻 154
第7章 移動台位置融合決策與系統性能評估優化 155
7.1 信息融合定位系統的決策層融合結構 155
7.1.1 決策層融合的概念和常用方法 155
7.1.2 信息融合定位系統的決策層融合結構 156
7.2 基於貝葉斯規則的決策層融合算法 159
7.2.1 貝葉斯決策層融合算法 159
7.2.2 貝葉斯決策層融合的序貫遞推 160
7.2.3 貝葉斯決策層融合的性能分析 161
7.3 基於閉環反饋結構的改進粒子濾波決策層融合定位 162
7.3.1 基本的粒子濾波算法 162
7.3.2 閉環反饋型的改進粒子濾波器 165
7.3.3 基於IUKF算法的粒子重採樣 167
7.4 算法仿真與分析 175
7.5 信息融合定位系統的性能評估 178
7.5.1 信息融合定位系統性能評估的作用 178
7.5.2 信息融合定位系統的測試評估原理 179
7.6 信息融合定位系統的控制優化 181
7.6.1 控制優化的整體策略 181
7.6.2 基於信息反饋的控制優化結構 182
7.6.3 基於專家系統輔助的性能優化方法 183
7.7 本章小結 188
參考文獻 188

下 篇

第8章 基於數據域融合的直接定位方法 191
8.1 直接定位方法基本原理 191
8.1.1 直接定位技術概述 191
8.1.2 直接定位信號模型 192
8.1.3 直接定位解算方法 193
8.2 基於角度和多普勒信息的多站直接定位方法 194
8.2.1 基於角度和多普勒信息的信號接收模型 195
8.2.2 基於最大似然準則的直接定位算法 196
8.2.3 克拉美羅下界推導 199
8.2.4 算法仿真與分析 201
8.3 基於時延和多普勒信息的多站直接定位方法 206
8.3.1 基於時延和多普勒信息的信號接收模型 207
8.3.2 基於分段信號相關累加的移動台直接定位算法 208
8.3.3 克拉美羅下界推導 212
8.3.4 算法仿真與分析 214
8.4 本章小結 218
參考文獻 218
第9章 融合多徑信息的直接定位方法 220
9.1 基於反射體信息輔助的多徑點源直接定位算法 220
9.1.1 基於角度和時延信息的多徑信號接收模型 220
9.1.2 算法基本原理 222
9.1.3 克拉美羅下界推導 228
9.1.4 算法仿真與分析 232
9.2 基於旋轉不變性的多徑分佈源直接定位算法 236
9.2.1 相干分佈源信號接收模型 236
9.2.2 算法基本原理 239
9.2.3 計算量分析 241
9.2.4 算法仿真與分析 242
9.3 基於迭代優化的低複雜度直接定位方法 247
9.3.1 基於子空間正交性的直接定位濾波模型 247
9.3.2 修正容積卡爾曼濾波算法原理 249
9.3.3 計算量分析 252
9.3.4 算法仿真與分析 252
9.4 本章小結 256
參考文獻 256
第10章 基於路徑追蹤溯源的蜂窩網定位方法 258
10.1 基於路徑追蹤溯源的蜂窩網定位理論基礎 258
10.1.1 經典蜂窩網信道模型 258
10.1.2 地理信息系統（GIS） 262
10.1.3 路徑追蹤對於無線定位技術的意義 264
10.2 基於路徑追蹤溯源的蜂窩網定位原理 265
10.2.1 位置指向性路徑與區域指向性路徑 266
10.2.2 基於虛擬定位站的路徑追蹤定位算法框架 269
10.3 無線信號傳播環境模型的建立 271
10.3.1 無線信號傳播環境模型 271
10.3.2 基於GIS環境模型的建立 273
10.4 基於聚類分析的反向路徑追蹤算法 276
10.4.1 位置指向性路徑的反向追蹤算法 277
10.4.2 區域指向性路徑的反向追蹤算法 281
10.4.3 算法仿真與分析 283
10.5 路徑追蹤定位算法的CRLB與GDOP 290
10.5.1 鏡像定位站位置估計 291
10.5.2 克拉美羅下界推導 297
10.5.3 幾何精度因子（GDOP） 304
10.5.4 算法仿真與分析 318
10.6 基於路徑追蹤的決策層信息融合定位算法 325
10.6.1 移動台位置粗估計過程 325
10.6.2 異常檢測過程 326
10.6.3 加權融合過程 328
10.6.4 算法總體流程 331
10.6.5 算法仿真與分析 332
10.7 本章小結 338
參考文獻 339